CN109766821A - 车辆行车规律分析方法、系统、计算机设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种车辆行车规律分析方法、系统、计算机设备及存储介质。本发明实施例提供的基于视频结构化的车辆行车规律分析方法，通过对获取的实时视频数据进行智能分析获得车辆特征信息并保存，进行车辆管理时，用户通过查询车辆特征信息来追溯车辆的行驶过程，从而获知车辆的行车规律，便于用户在室外场所对车辆的管理以及方便查找车辆。本发明实施例提供的系统、计算机设备及存储介质均可达到便于用户在室外场所对车辆的管理以及方便查找车辆的技术效果。

Description

车辆行车规律分析方法、系统、计算机设备及存储介质

技术领域

本发明涉及车辆监控技术领域，尤其涉及车辆行车规律分析方法、系统、计算机设备及存储介质。

背景技术

随着我国社会经济的发展，人们的生活水平得到了极大的提升，小轿车已经进入了家家户户，也成了人们出行必不可少的交通工具。然而对于车辆的保管也成了停车场管理人员、社区工作人员头疼的问题，尤其在室外场所(例如停车场、学校、小区、马路等)，传统的管理模式下，需要工作人员不断在停车场或小区中不断巡逻、人工查看监控视频，既浪费时间也没有办法做到万无一失。

在安防监控或智慧城市中，如需要获取指定车辆的行车路线，辅助交通、公安办案等，往往靠工作人员查看监控录像，这种做法不仅效率低下，而且极容易产生视觉疲劳，出现疏漏。

发明内容

本发明实施例提供了一种基于视频结构化的车辆行车规律分析方法、系统、计算机设备及存储介质，旨在获取车辆的行车规律来实现车辆管理，提高安防监控的效率。

第一方面，本发明实施例提供了车辆行车规律分析方法，包括：获取抓拍摄像机的位置信息和实时视频数据，所述实时视频数据包含拍摄时间；

通过预设的智能引擎算法对所述实时视频数据进行分析以提取车辆特征信息，其中，所述车辆特征信息包括车辆特征，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种；

保存所述车辆特征信息、位置信息及拍摄时间；

若接收到查询条件，从保存的车辆特征信息中获取满足所述查询条件的车辆特征信息作为目标车辆特征信息；

统计各抓拍摄像机对应的目标车辆特征信息的数量；

获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；

将所述目标抓拍摄像机所在的位置作为车辆的频繁活动区域。

第二方面，本发明实施例还提供了车辆行车规律分析系统，其包括用于执行如第一方面所述方法的单元。

第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如第一方面所述方法。

与现有技术相比，本发明实施例提供的基于视频结构化的车辆行车规律分析方法，通过对获取的实时视频数据进行智能分析获得车辆特征信息并保存，进行车辆管理时，用户通过查询车辆特征信息来追溯车辆的行驶过程，从而获知车辆的行车规律，便于用户在室外场所对车辆的管理以及方便查找车辆，获取车辆的车辆路径和行车规律。本发明实施例提供的系统、计算机设备及存储介质均可达到便于用户在室外场所对车辆的管理以及方便获取车辆行车规律的技术效果。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的获取车辆特征信息的方法流程图；

图2为本发明实施例提供的行车规律分析方法流程图；

图3为本发明实施例提供是一种终端示意图；

图4为本发明实施例提供的基于视频结构化的车辆行车规律分析系统示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

实施例1

本发明实施例提供基于视频结构化的车辆行车规律分析方法，所述方法包括以下步骤：

S101，获取抓拍摄像机的位置信息和实时视频数据，所述实时视频数据包含拍摄时间；

具体实施中，根据预设的视频监控国标协议获取抓拍摄像机的实时视频数据。

实际生活中，需要进行监控的区域包括不同场所，例如停车场、学校、小区、道路、娱乐场所等车辆经过的区域，各区域通过设置至少一个抓拍摄像机来拍摄实时视频数据，获取各抓拍摄像机的位置信息，以区分各抓拍摄像机拍摄到的实时视频数据对应的不同监控区域。实时视频数据包含拍摄时间，用于标识抓拍摄像机拍摄到的实时视频。

在一实施例中，监控区域设置的抓拍摄像机包括普通摄像机和/或智能摄像机。所述普通摄像机不能嵌入软件，仅用于执行拍照、拍摄视频的功能。所述智能摄像机除了可拍照、拍摄视频之外还可安装嵌入式智能软件。

S102，通过预设的智能算法对所述实时视频数据进行分析以提取车辆特征信息，其中，所述车辆特征信息包括车辆特征，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种；

具体实施中，对从摄像机获取到的实时视频数据利用智能算法进行分析，提取出车辆特征信息，其中，所述车辆特征信息包括车辆特征，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种。

需要说明的是，本实施例中对获取到的实时视频数据可利用现有的智能算法进行车辆信息的识别和提取，通过预先训练好的车辆分类器识别车辆，通过标记每帧图片中的车辆位置信息获得车辆的运动方向，识别出车的类型和车身颜色，并对每帧图片中的车辆目标按照车辆的车型、车辆颜色进行分类，对车标、车牌号码等区域进行标记。其中，车的类型，例如，卡车、客车、轿车等类型。现有的很多智能算法可进行车辆的结构化信息提取，例如人工智能算法、搜索引擎算法等，本发明在此不做具体描述。

S103，保存所述车辆特征信息、位置信息及拍摄时间；

具体实施中，对分析得到的车辆特征信息进行保存的同时，还对应保存车辆特征信息的位置信息和拍摄时间。

在一实施例中，为了便于后续的查找车辆，可按同一位置信息的实时视频数据的时间顺序对车辆特征信息进行保存。

在一实施例中，由于车牌号码是车辆的唯一标识，将提取到的车辆特征信息根据相同车牌号码在不同监控区域的实时视频数据的时间顺序对车辆特征信息进行保存。

本领域技术人员也可对分析得到的车辆特征信息根据不同情形选择不同的方式进行保存，达到便于追溯和查找的效果即可，本发明不对保存方式进行限定。

至此，即获取到监控区域所经过的车辆及其车辆特征信息，根据上述信息可用于查找车辆的行车路径，获得车辆行车规律，方法如下：

S104，若接收到查询条件，从保存的车辆特征信息中获取满足所述查询条件的车辆特征信息作为目标车辆特征信息；

具体实施中，接收到查询条件后，从保存的车辆特征信息中获取满足所述查询条件的车辆特征信息作为目标车辆特征信息。

根据车辆特征信息的保存方式不同，相应设置不同的查询条件。

例如，在一实施例中，车辆信息的保存方式为按同一监控区域的实时视频数据的时间顺序保存的，则查询条件可设为监控区域、查询起始时间以及查询结束时间。

在一实施例中，车辆信息的保存方式为根据相同车牌号码在不同监控区域的实时视频数据的时间顺序对车辆特征信息进行保存的，则查询条件可设为车牌号码、查询起始时间以及查询结束时间。

由于查询条件的设置跟车辆特征信息保存的方式一致，因此可快速获取到满足查询条件的车辆特征信息即目标车辆信息，提高查询效率。

S105统计各抓拍摄像机对应的目标车辆特征信息的数量；

具体实施中，将目标车牌号码对应的车辆作为目标车辆，为了确定目标车辆的行车规律，需要了解目标车辆在查询条件内何时去了何地。用于在保存车辆特征信息时，将同一摄像机在不同时段的车辆特征进行分类存储，例如，按车牌号码、车型等车辆特征分类，按时间先后顺序进行排序得到排序列表；统计同一车辆的车辆特征信息在一摄像机中出现的次数，并将统计得到的次数随排序列表一同保存。因此可快速统计出各摄像机对应的目标车辆特征信息的数量。

S106获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；

具体实施中，目标车辆每经过一次监控区域，该监控区域设置的摄像机则会在实时视频中捕捉到目标车辆，并提取出车辆特征信息对应保存，因此，根据摄像机对应保存的目标车辆的特征信息的数量，即可获知目标车辆频繁活动的区域。

S107，将所述目标抓拍摄像机所在的位置作为车辆的频繁活动区域。

具体实施中，目标车辆特征信息的数量大于预设的数量阈值说明目标车辆在该摄像机所在的区域出现的次数频繁。因此将目标抓拍摄像机所在的区域作为目标车辆的频繁活动区域。

在一实施例中，还包括：步骤S108，

S108，根据所述目标车辆特征信息确定车辆的行车规律。

具体实施中，由于目标车辆特征信息是跟监控区域、时间对应的，因此，将获取到的目标车辆特征信息按监控区域和时间进行标识，即可获知所查询的车辆在何时、何地出现过。或者可获知在所查询的监控区域中，在何时出现过何车。

本实施例可简单明了的呈现出车辆的行车规律。

在一实施例中，步骤S103由S1031步骤具体实现：

S1031，按照车辆特征信息所包含的车辆特征对各车辆特征信息进行分类存储并对储存的车辆特征信息的数量进行统计。

具体实施中，车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种，因此，在保存车辆特征信息时，将同一摄像机在不同时段的车辆特征进行分类存储，例如，按车牌号码、车型等车辆特征分类，按时间先后顺序进行排序得到排序列表；统计同一车辆的车辆特征信息在一摄像机中出现的次数，并将统计得到的次数随排序列表一同保存。

在一实施例中，由于车牌号码是车辆的唯一标识，按车牌号码在同一摄像机中出现的时间先后进行排序列表，并统计车牌号码出现的次数，将排序列表和统计次数一同保存。

在一实施例中，步骤S104由S1041-S1042步骤具体实现：

S1041，从保存的车辆特征信息中获取车牌号码为所述目标车牌号码的车辆特征信息作为候选车辆特征信息；

具体实施中，因为车牌号码是车辆的唯一标识，因此，为了便于用户查询，将车辆特征信息按照车牌号码为索引进行保存，故设置的查询条件包括目标车牌号码、查询开始时间以及查询结束时间。

在本实施例中，先查找符合目标车牌号码的车辆特征信息，由此可以快速地查找到目标车牌号码对应的所有保存的车辆特征信息即候选车辆信息。

S1042，从候选车辆特征信息中获取抓取时间在所述查询开始时间以及查询结束时间之间的候选车辆特征信息作为所述目标车辆特征信息，其中抓取时间为获取到车辆特征信息对应的实时视频数据的时间。

具体实施中，获取到候选车辆信息后，根据查询条件设置的查询开始时间以及查询结束时间将候选车辆信息做进一步的筛选，由于在保存车辆信息时会按照实时视频数据的时间顺序进行排序，因此可快速地筛选出抓取时间在查询开始时间以及查询结束时间之间的候选车辆特征信息，即获得所需的目标车辆特征信息。

在一实施例中，步骤S108由S1081-S1084步骤具体实现：

S1081，按照抓拍时间的先后顺序对各所述目标车辆特征信息进行排序；

具体实施中，对获取到的目标车辆特征信息按照抓拍的实时视频数据的时间先后进行排序，得到排序列表。

S1082，将第一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的首次出现位置；

具体实施中，第一个目标车辆特征信息即为满足查询条件的查询开始时间起，第一次拍摄到目标车辆的摄像机获取到的实时视频分析数据，该摄像机所在的位置即为目标车辆首次出现的位置。

S1083，将最后一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的最后一次出现位置。

具体实施中，最后一个目标车辆特征信息即为满足查询条件的查询结束时间内，最后一次拍摄到目标车辆的摄像机获取到的实时视频分析数据，该摄像机所在的位置即为目标车辆在满足查询条件的最后一次出现的位置。

S1084，在预设的地图上展示车辆的频繁活动区域、首次出现位置以及最后一次出现位置。

具体实施中，根据获得的目标车辆的频繁活动区域、首次出现位置以及最后一次出现位置在预设的地图上展示，可直观地表示出车辆的大致行车路径，获得车辆的行车规律。

在一实施例中，基于上述的获取方法，也可将目标车辆特征信息按照时间和次数在预设的地图上进行展示，将车辆的行车路径完全展示。本领域技术人员根据本发明提供的方法可自行根据需求，选择在预设的地图上展示的方式，本发明对此不做具体限定。

需要说明的是，预设地图可以是现有的离线地图，也可以是连接网络的地图，本发明对此不做具体限定。

实施例2

本实施例提供基于视频结构化的车辆行车规律分析系统，所述系统包括：

第一获取单元，用于获取抓拍摄像机的位置信息和实时视频数据，所述实时视频数据包含拍摄时间；

提取单元，用于通过预设的智能算法对所述实时视频数据进行分析以提取车辆特征信息，其中，所述车辆特征信息包括车辆特征，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种；

保存单元，用于保存所述车辆特征信息、位置信息及拍摄时间；

查询单元，用于若接收到查询条件，从保存的车辆特征信息中获取满足所述查询条件的车辆特征信息作为目标车辆特征信息；

统计单元，用于统计各抓拍摄像机对应的目标车辆特征信息的数量；

第二获取单元，用于获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；

第一确定单元，用于将所述目标抓拍摄像机所在的区域作为车辆的频繁活动区域。

在一具体实施中，所述保存单元还包括：

分类储存单元，用于按照车辆特征信息所包含的车辆特征对各车辆特征信息进行分类存储并对储存的车辆特征信息的数量进行统计。

在一具体实施中，所述查询单元还包括：

第三获取单元，用于从保存的车辆特征信息中获取车牌号码为所述目标车牌号码的车辆特征信息作为候选车辆特征信息；

在一具体实施中，还包括：

第二确定单元，用于根据所述目标车辆特征信息确定车辆的行车规律。

第四获取单元，用于从候选车辆特征信息中获取抓取时间在所述查询开始时间以及查询结束时间之间的候选车辆特征信息作为所述目标车辆特征信息，其中抓取时间为获取到车辆特征信息对应的实时视频数据的时间。

排序单元，用于按照抓拍时间的先后顺序对各所述目标车辆特征信息进行排序；

第三确定单元，用于将第一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的首次出现位置；

第四确定单元，用于将最后一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的最后一次出现位置。

在一具体实施中，所述系统还包括：

地图单元，用于在预设的地图上展示车辆的频繁活动区域、首次出现位置以及最后一次出现位置。

参见图4，在一具体实施中，基于视频结构化车辆行车规律分析系统包括局域网连接的：摄像机(Camera)、智能管理服务器(CMS)、分析引擎集群服务器(SEC)、智能引擎分析服务器(SES)、智能数据接入服务器(IAS)、数据库存储服务器(DBS)、数据库管理服务器(DMS)、离线地图；其中，

摄像机内部安装一个光学镜头，镜头采集实时视频数据，通过网络接口把采集到的实时视频数据通过国际协议输出到智能引擎分析服务器中。

智能管理服务器，用于对系统中的摄像机和各服务器模块进行统一管理，以及负责各个服务器与客户端的数据通信和任务状态的管理。

分析引擎集群服务器，用于对智能引擎分析服务器的工作状态进行维护并对智能数据接入服务器下发的分析任务按照智能引擎服务器的负载状况进行任务的分发以及对任务状态进行管理，避免负载运行压力过大导致系统崩溃。

智能引擎分析服务器，用于将摄像机输入的实时视频数据进行分析，利用智能算法提取车辆特征信息，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种。

智能数据接入服务器，用于对分析任务计划配置下发，订阅和收集智能引擎分析服务器分析的车辆特征信息，并将这些数据进行转换和转发。

数据库存储服务器，用于将从智能引擎分析服务器分析出来的车辆特征信息进行比对，将车辆信息数据按照不同的特征信息进行分类排序和统计分析，并根据接收的查询条件筛选出目标车辆在不同时间和不同地点出现的次数，进而分析出车辆的活动规律；同时数据存储服务器还用于对车辆特征信息进行存储，扩展可以查询的时间范围，更有利于对车辆行驶规律的分析，扩大了系统的可用性。

数据库管理服务器，用于将接收到的查询条件发送到数据库存储服务器，并将数据库存储服务器查询到的结果进一步提取，获取车辆在查询时段内每个地方活动的次数，摄像机区域，将查询的结果进行排序可以获取到目标车辆第一次驶入某一区域的位置，最后一次出现在该区域的位置，最后将结果传输给智能管理服务器；数据库管理服务器还用于数据存储服务器的配置(如：引擎类型、内存占比、数据保存天数、数据保存条数等)，以及将智能数据接入服务器写入数据的能力均匀分配给各个数据存储服务器。

离线地图，用于将从智能管理服务器得到的统计数据在地图中进行展示，进而可以对车辆的行驶规律进行分析，直观地展示车辆行车路径。

本实施例适用但不限于安防技术和智慧城市领域，本实施例根据车辆行车规律分析方法：摄像机将实时视频数据通过智能引擎算法进行分析提取到车辆特征信息，将这些信息传输给数据库存储服务器，数据库存储服务器会按照这些特征信息对传输过来的数据进行分类统计。在进行车辆行车规律分析时，输入查询条件：目标车牌号码以及预设时间段，在接收到查询条件后，数据库管理服务器会将查询条件发送至各个数据库存储服务器进行检索，并将查询结果整合成各个摄像机在不同时段对该车辆的抓拍次数以及将所有查询结果按照时间的顺序排序整合的形式返回，数据库管理服务器收集到各个数据库存储服务器返回的数据后将同一摄像机在各个时段的抓拍次数以及抓拍的总次数进行整理得出车辆在各个区域活动频率和频繁活动的区域，再把所有的数据按照时间顺序进行排序得出车辆第一次和最后一次被抓拍到的位置，最后将这些数据在地图中展示出来可以很直观的分析出车辆的行车规律。

在一具体实施例中，参见图1，获取各区域的车辆特征信息的方法如下：

抓拍摄像机用于获取实时视频数据；

智能数据接入服务器为抓拍摄像机配置分析计划。

智能数据接入服务器按照抓拍摄像机的配置分析计划将分析任务下发到智能引擎分析服务器。

智能引擎分析服务器通过国标协议直接从抓拍摄像机获取实时视频数据。

智能分析引擎服务器获取到实时视频后，对实时视频数据进行分析，提取车辆特征信息，其中，所述车辆特征信息包括车辆特征，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种。

智能数据接入服务器向智能引擎分析服务器请求车辆特征信息数据。

智能引擎分析服务器将分析得到的车辆特征信息发送到智能数据接入服务器。

智能数据接入服务器接收智能引擎分析服务器分析的车辆特征信息数据，并将这些数据进行转换和发送到数据库存储服务器进行存储。

数据库存储服务器将接收的车辆特征信息按照车辆特征进行分类存储并进行数量统计。

由此，即获取到各抓拍摄像机所在区域的车辆特征信息。

参见图2，进行车辆行车规律分析的方法如下：

智能管理服务器接收到用户使用客户端输入的查询条件，并进行查询任务的创建。所述查询条件包括：目标车牌号码、查询开始时间、查询结束时间。

智能管理服务器将查询任务发送到数据库管理服务器。

数据库管理服务器将查询条件转发至到各个数据库存储服务器。

数据库存储服务器根据目标车牌号码及查询的时间段进行筛选车辆特征信息，并将符合查询条件的车辆特征信息按照时间先后顺序的方式进行统计排列，得到目标车辆的不同摄像机在不同时段抓拍到的次数。

各个数据库存储服务器将查询结果传给数据库管理服务器。

数据库管理服务器用于将各个数据库管理服务器传输过来的数据按照不同摄像机抓拍的车辆特征信息数量按抓取时间的先后顺序再次进行排序。获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；将所述目标抓拍摄像机所在的区域作为车辆的频繁活动区域。

数据库管理服务器还用于将第一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的首次出现位置；将最后一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的最后一次出现位置。由此可以获取到车辆频繁活动的区域，以及在所搜索时间内第一次出现的地方和最后一次出现的地方的统计结果。

数据库管理服务器将统计的结果传输给智能管理服务器。

智能管理服务器将查询结果返回给客户端。

客户端将查询的结果在地图进行展示，在地图中可以清楚了解到车辆的第一次驶入的地点，消失的地点，以及车辆频繁活动的区域，来实现对车辆行车规律的分析。

实施例3

参见图3，本发明另一实施例提供的一种终端300示意框图。如图所示的本实施例中的终端300可以包括：一个或多个处理器301；一个或多个输入设备302，一个或多个输出设备303和存储器304。上述处理器301、输入设备302、输出设备303和存储器304通过总线305连接。存储器302用于存储指令，处理器301用于执行存储器302存储的指令。其中，处理器301用于执行：获取抓拍摄像机的位置信息和实时视频数据，所述实时视频数据包含拍摄时间；通过预设的智能算法对所述实时视频数据进行分析以提取车辆特征信息，其中，所述车辆特征信息包括车辆特征，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种；保存所述车辆特征信息、位置信息及拍摄时间；若接收到查询条件，从保存的车辆特征信息中获取满足所述查询条件的车辆特征信息作为目标车辆特征信息；统计各抓拍摄像机对应的目标车辆特征信息的数量；获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；将所述目标抓拍摄像机所在的位置作为车辆的频繁活动区域。

在一实施例中，所述处理器301还用于执行：按照车辆特征信息所包含的车辆特征对各车辆特征信息进行分类存储并对储存的车辆特征信息的数量进行统计。

在一实施例中，所述处理器301还用于执行：从保存的车辆特征信息中获取车牌号码为所述目标车牌号码的车辆特征信息作为候选车辆特征信息；从候选车辆特征信息中获取抓取时间在所述查询开始时间以及查询结束时间之间的候选车辆特征信息作为所述目标车辆特征信息，其中抓取时间为获取到车辆特征信息对应的实时视频数据的时间。

在一实施例中，所述处理器301还用于执行：统计各抓拍摄像机对应的目标车辆特征信息的数量；获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；将所述目标抓拍摄像机所在的区域作为车辆的频繁活动区域。

在一实施例中，所述处理器301还用于执行：根据所述目标车辆特征信息确定车辆的行车规律，按照抓拍时间的先后顺序对各所述目标车辆特征信息进行排序；将第一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的首次出现位置；将最后一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的最后一次出现位置。

在一实施例中，所述处理器301还用于执行：在预设的地图上展示车辆的频繁活动区域、首次出现位置以及最后一次出现位置。

应当理解，在本发明实施例中，所称处理器301可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备303可以包括显示器(LCD等)、扬声器等。

该存储器304可以包括只读存储器和随机存取存储器，并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如，存储器304还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的一种参数调整方法的个实施例中所描述的实现方式，也可执行本发明实施例所描述的终端300的实现方式，在此不再赘述。

在本发明的另一实施例中提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现：获取抓拍摄像机的位置信息和实时视频数据，所述实时视频数据包含拍摄时间；通过预设的智能算法对所述实时视频数据进行分析以提取车辆特征信息，其中，所述车辆特征信息包括车辆特征，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种；保存所述车辆特征信息、位置信息及拍摄时间；若接收到查询条件，从保存的车辆特征信息中获取满足所述查询条件的车辆特征信息作为目标车辆特征信息；统计各抓拍摄像机对应的目标车辆特征信息的数量；获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；将所述目标抓拍摄像机所在的位置作为车辆的频繁活动区域。

按照车辆特征信息所包含的车辆特征对各车辆特征信息进行分类存储并对储存的车辆特征信息的数量进行统计。

从保存的车辆特征信息中获取车牌号码为所述目标车牌号码的车辆特征信息作为候选车辆特征信息；从候选车辆特征信息中获取抓取时间在所述查询开始时间以及查询结束时间之间的候选车辆特征信息作为所述目标车辆特征信息，其中抓取时间为获取到车辆特征信息对应的实时视频数据的时间。

统计各抓拍摄像机对应的目标车辆特征信息的数量；获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；将所述目标抓拍摄像机所在的区域作为车辆的频繁活动区域。

根据所述目标车辆特征信息确定车辆的行车规律，按照抓拍时间的先后顺序对各所述目标车辆特征信息进行排序；将第一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的首次出现位置；将最后一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的最后一次出现位置。

在预设的地图上展示车辆的频繁活动区域、首次出现位置以及最后一次出现位置。

所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

以上所述，为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种车辆行车规律分析方法，其特征在于，包括：

获取抓拍摄像机的位置信息和实时视频数据，所述实时视频数据包含拍摄时间；

通过预设的智能算法对所述实时视频数据进行分析以提取车辆特征信息，其中，所述车辆特征信息包括车辆特征，所述车辆特征包括车牌号码、车牌颜色、车辆颜色以及车型中的一种或多种；

保存所述车辆特征信息、位置信息及拍摄时间；

若接收到查询条件，从保存的车辆特征信息中获取满足所述查询条件的车辆特征信息作为目标车辆特征信息；

统计各抓拍摄像机对应的目标车辆特征信息的数量；

获取对应的目标车辆特征信息的数量大于预设的数量阈值的抓拍摄像机作为目标抓拍摄像机；

将所述目标抓拍摄像机所在的位置作为车辆的频繁活动区域。

2.根据权利要求1所述的车辆行车规律分析方法，其特征在于，所述保存所述车辆特征信息、位置信息及拍摄时间，包括：

按照车辆特征信息所包含的车辆特征对各车辆特征信息进行分类存储并对各类别的车辆特征信息的数量进行统计。

3.根据权利要求1所述的车辆行车规律分析方法，其特征在于，所述查询条件包括目标车牌号码、查询开始时间以及查询结束时间，所述从保存的车辆特征信息中获取满足所述查询条件的车辆特征信息作为目标车辆特征信息，包括：

从保存的车辆特征信息中获取车牌号码为所述目标车牌号码的车辆特征信息作为候选车辆特征信息；

从候选车辆特征信息中获取抓取时间在所述查询开始时间以及查询结束时间之间的候选车辆特征信息作为所述目标车辆特征信息，其中抓取时间为获取到车辆特征信息对应的实时视频数据的时间。

4.根据权利要求3所述的车辆行车规律分析方法，其特征在于，还包括：根据所述目标车辆特征信息确定车辆的行车规律，按照抓拍时间的先后顺序对各所述目标车辆特征信息进行排序；

将第一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的首次出现位置；

将最后一个目标车辆特征信息对应的抓拍摄像机的位置作为车辆的最后一次出现位置。

5.根据权利要求4所述的车辆行车规律分析方法，其特征在于，所述方法还包括：

在预设的地图上展示车辆的频繁活动区域、首次出现位置以及最后一次出现位置。

6.车辆行车规律分析系统，其特征在于，包括用于执行如权利要求1-5任一项所述方法的单元。

7.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5任一项所述的方法。

8.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-5中任一项所述的方法。